基于混合神经网络的采摘机械臂精细化位姿控制系统优化设计_朱航科.pdf

南方农机 2026 57 7 农机与农艺 Agricultural Machinery and Agronomy 41 基于混合神经网络的采摘机械臂精细化位姿控制系统优化设计 朱航科 陕西工业职业技术大学机械工程学院 陕西 咸阳 712000 摘 要 采摘机械臂是一种复杂的智能化机电设备 面对多样化的工作场景 需要精确且稳定的运动规划控制 文章针对采 摘机械臂运动规划精度和稳定性下降问题 利用运动学分析方法对机械臂进行模型构建 在运动学基础上设计了双层拓扑结 构 分别对信号采样训练和位姿控制进行精细化分析 采用神经网络算法进行位姿控制优化 最后在构建的采摘机械臂运动 规划控制试验环境中验证控制系统的可靠性和稳定性 分析结果表明 所设计的位姿控制系统能够提升运动规划的精确度 和稳定性 关键词 采摘机械臂 运动规划 精细化 拓扑结构 神经网络 位姿控制 中图分类号 S225 TP242 文献标志码 A DOI 10 3969 j issn 1672 3872 2026 07 009 0 引言 随着智慧农业的快速发展 智能农业辅助设备愈 发重要且应用广泛 采摘机械臂应用前景广阔 可高效 快速地完成果物采摘作业 有效节省人力成本和采摘时 间 1 但是面对复杂多变的作业环境 采摘机械臂的运 动控制稳定性受到巨大挑战 尤其是机械臂执行器件 在 接 收到复杂指令的状态下 其运动决策的延时和不 确定性带来的扰动严重影响了机械臂的采摘效果 2 为了解决采摘机械臂的运动规划问题 提升采摘 机械臂运动规划精度和稳定性 国内很多专家学者 进行了大量的研究 其中 李骏等 3 以油茶花粉采摘 机械臂为研究对象 采用D H 方法对其进行建模和 正 逆运动学分析 提出了一种改进粒子群 IPSO 算 法对油茶花粉采摘机械臂的轨迹进行优化 邵佩迪 等 4 针对目前名优茶采摘效率低与名优茶采摘时效性 强的矛盾 提出用双目摄像头定位茶叶嫩芽 以此推 动自动化采茶设备的研发 采用双目立体视觉技术获 取茶叶嫩芽的三维坐标信息 用于引导采摘机械臂进 行自动化采摘作业 宋秦中等 5 针对机器人末端柔性 负载的残余振动问题 提出了一种多自由度采摘机械 臂振动的滑模控制方法 构建了多自由度采摘机械臂 数学模型 通过获取采摘机械臂的振动信号 并对其 进行特征分析 计算机械臂振动控制量 生成采摘机 械臂全局滑模面 设计具有自动调节系数的滑模控制 器 从而解决该问题 荀一等 6 针对多自由度机械臂 在采摘过程中出现的路径规划速度慢 路径成本高以 及因视觉定位误差和机械臂关节位置误差引起的采摘 失败问题 提出了结合视觉伺服的改进随机快速搜索 树算法 对折线进行平滑处理 优化路径在机械臂上 的实施效果 结合基于平移控制器的视觉伺服控制 减小了定位误差对采摘过程的影响 本文以采摘机械臂为研究对象 利用精细化的分 析方法进行运动规划控制优化 针对采摘机械臂运动 规划精度和稳定性下降问题 利用运动学分析方法对 机械臂进行模型构建 在运动学基础上设计了双层拓 扑结构 分别对信号采样训练和位姿控制进行精细化 分析 采用神经网络算法进行位姿控制 最后在试验 中验证该位姿控制系统的可行性和稳定性 1 动力学模型分析 采摘机械臂的运动学实质就是末端执行器件在独 立空间内的多自由度运动轨迹的数学描述 在对采摘 机械臂进行运动学建模的过程中 首先在机械臂空间 内定位并确定轴向的分量 其次对机械臂刚体进行空 间方位坐标系确定 最后利用位置矢量描述采摘机械 臂末端执行器件的运动学轨迹 如图1 所示 7 P s cos 0 1 S 0 sin 3 1 sin 2 0 cos 3 H 0 cos 1 R 0 1 sin 2 L 0 cos 1 S 0 R 0 2 1 式中 0 1 2 3 表示旋转偏置角 L 0 S 0 R 0 H 0 分 别表示连杆长度 偏置横向长度 位移以及偏置纵向 长度 P s 表示采摘机械臂位姿运动矩阵 基金项目 陕西工业职业技术大学科研基金资助项目 基于神经网络的采摘机械臂动态运动控制研究 2025YKYB 016 作者简介 朱航科 1980 男 陕西咸阳人 本科 讲师 研究方向为机电设备控制技术 41 43第57 卷 第7 期 42 1 0 2 3 0 L 0 H 0 S x y O 0 R 图 1 采摘机械臂运动学分析 2 机械臂拓扑结构设计 运动控制拓扑结构设计能够将复杂的控制部件 进行解耦 减少部件间的相互干扰 对于依赖高速采 样和大容量采样进行训练而输出最优控制结果的采 摘机械臂来说 尤其需要将高耦合低内聚的部件进行 解耦处理 故设计双层拓扑结构来进行解耦 8 上层 是采样模块 位姿信息采集模块 随后将采集的信息 进行滤波有效性处理 将其传输到下层决策层 进行 模型训练 参数调优以及运动控制最优化 输出仲裁 后的控制指令 整个拓扑结构用解耦效率和传输速率来表征其 合理性 如图 2 所示 其性能分析数学描述如下式 n max 0 T 0 1 T 1 2 T 2 m n min T 0 F 0 T 1 F 1 T 2 F 2 2 式中 n m n 分别表示解耦效率以及传输速率 F 0 F 1 F 2 表示末端执行器执行速度 T 0 T 1 T 2 表示执行 时间内传输的数据信息 0 1 2 表示解耦参数 O 0 1 2 n m 0 T 1 T 2 T 2 F 1 F 0 F 图 2 采摘机械臂拓扑结构影响分析 3 位姿优化控制 采摘机械臂末端执行器件在接收到采样模块 位 姿信息以及中央控制单元的运动执行命令后 需要执 行相应的动作 在整个运动规划过程中 需要有成熟 的算法进行优化 统筹以及仲裁 本文采用混合神经网络算法作为位姿优化控制 算法 神经网络算法是一种监督式学习算法 能够快 速地解决非线性问题 通过对各个神经元进行训练 在参数调整后输出最优解 如图 3 所示 9 10 针对采 摘机械臂位姿控制 首先 对位姿信息进行数据清 洗 剔除无效的位姿信息 随后将清洗完成的数据导 入模型训练 其次 在模型训练中制定相应的模型优 化算法和逻辑策略 当模型训练优化评判结果不好时 会实时地进行参数调整 再次 在模型训练输出结果 后 结合当前机械臂末端执行器件的工作状态进行定 向仲裁 最后 将得到的位姿信息 模型参数以及仲 裁结果进行优化 输出末端执行器件最优控制指令 从而实现采摘机械臂运动控制系统的稳定性控制 s t F r t F r s p t r p t s t r t 0 i 1 i 1 f 0 f 0 o 1 o s t c r t c 数 据 清 洗 模 型 训 练 定 向 仲 裁 优 化 参 数 调 整 图 3 混合神经网络算法 混合神经网络算法输出最优控制指令后 需要对 不同状态下的采摘机械臂末端执行器进行端到端的 解耦和诊断 11 目的是实现运动控制的鲁棒性 在 末端执行器偏离预期运动轨迹后 需要对控制参数进 行调整 同时 需要对其进行故障诊断 故障诊断也 是分层拓扑结构中将位姿信息和执行器件进行联合 设计的一种双重保护机制 通过将采集到的传感器数 据和故障阈值或者故障特征联合训练后诊断出故障 对于机械臂执行器件 需要判断其工作状态下的故障 朱航科 基于混合神经网络的采摘机械臂精细化位姿控制系统优化设计